بهینه سازی شبکه عصبی_فازی LOLIMOT با الگوریتم تکامل تفاضلی جهت تخمین توابع

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,357

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSICC16_004

تاریخ نمایه سازی: 28 بهمن 1390

چکیده مقاله:

دراین مقاله قصد داریم با ترکیب روش تکامل تفاضلی با درخت مدل خطی محلی تعداد نرونهای مدل اصلی را برای رسیدن به خطای مشخصی کاهش دهیم و ساختار درخت مدل خطی محلی را بهینه کنیم در واقع با استفاده از توانایی سیستمهای عصبی - فازی و روشهای تکاملی سیستم همه منظوره ای با حجم محاسبات کم و زمان اجرای پایین جهت تخمین توابع معرفی کرده سپس کارایی آن را با الگوریتم اصلی مقایسه می کنیم نتایج نشان میدهد سیستم معرفی شده دارای کارایی مناسب تری نسبت به الگوریتم اصلی وروشهای قبلی است

نویسندگان

وحیده کیخا

گروه علوم کامپیوتر،دانشکده ریاضی،دانشگاه سیستان و بلوچستان،زاهدا

حیات خوبی پور

دانشگاه آزاد اسلامی واحد دهدشت

حسن رضایی

عضو هیئت علمی گروه کامپیوتر ،دانشکده ریاضی،دانشگاه سیستان و بلوچستا

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف _ تهران، 17 تا ...
  • Cybenko, G., _ mations _ _ _ sigmidl functions. Math ...
  • Bahi, J. _ Contas sot-Vivier, S., Sauget, M., An function ...
  • approximatiog, Advances in Engineering Software 40, pp.725-730, 2009. ...
  • Kurt, H., Maxwell, S., Halbert, W., _ feedforward networks are ...
  • Nelles, O., NonLineaz _ Ldentification, Springer, 2000. ...
  • Storn , R., Price, K., Differential evolution _ and efficient ...
  • Subudhi, B., Jena, D., An_ _ Differential Evolution Trained Neural ...
  • نمایش کامل مراجع